Les robots.txt standardisés par Google, au détriment du Noindex

Par Branchez-vous – le dans Actualités

Cette année, les fichiers robots.txt de Google fêtent leur 25è printemps. Utilisés pour éviter l’indexation ou la désindexation de certaines pages web, ces fichiers sont largement employés par les éditeurs web. Mais ils ne sont jamais devenus une norme internet. À l’occasion de cet anniversaire, Google a l’intention de changer les choses en proposant de standardiser son interprétation.

Qu’est-ce que le fichier robots.txt

Google explique le principe des robots.txt dans un texte de présentation.

En clair, ce fichier texte est proposé chez la plupart des sites internet. Il permet, dans sa globalité de définir les règles que doivent suivre les robots ou les crawlers. Ces fichiers sont extrêmement utiles pour les éditeurs de site internet ainsi que les robots. Dans tous les cas, ces fichiers sont installés à la racine d’un site web.

Lorsqu’un robot veut crawler un site, il devra d’abord se baser sur ce fichier et définir ce qu’il peut et ce qu’il ne peut pas faire. Dans cette optique, les éditeurs de site internet peuvent personnaliser leur fichier en fonction de leurs attentes, leurs objectifs et leurs sites internet.

Les règles définies par Google

Google a donc l’intention de standardiser le fichier robots.txt. pour que tous les robots crawlers puissent avoir la même interprétation. Pour cela, la firme est en collaboration avec l’auteur original du protocole de 1994, plusieurs webmasters ainsi que les autres moteurs de recherche. Voici les principales propositions de Google  :

  • Google veut permettre à tout protocole d’accéder à robots.txt
  • Les développeurs se doivent d’analyser les 500 premiers kibibytes
  • Google propose un cache maximum de 24 heures
  • Si le fichier n’est pas accessible, les crawlers doivent explorer les pages interdites

Cette demande a été soumise à l’IETF : « L’ébauche proposée du REP reflète plus de 20 ans d’expérience dans le monde réel en matière de règles robots.txt, utilisées à la fois par Googlebot et d’autres grands robots, ainsi que par environ un demi-milliard de sites internet qui ont confiance au REP.  Il ne change pas les règles de base, créées en 1994, mais définit tous les scénarios pour l’analyser et l’adaptation de robots.txt et les étend au web moderne ».

Les dernières nouvelles

Pourquoi le numérique a-t-il été complètement absent de la campagne électorale?

Pourquoi le numérique a-t-il été complètement absent de la campagne électorale?

On en sait déjà beaucoup sur les nouveaux Pixel 7 de Google

On en sait déjà beaucoup sur les nouveaux Pixel 7 de Google

Les batteries gonflables reviennent hanter les appareils Samsung

Les batteries gonflables reviennent hanter les appareils Samsung

Plus d'actualités

Windows 11 n’est pas le système le moins énergivore…

Windows 11 n’est pas le système le moins énergivore…

Des experts s’inquiètent des «effets pervers» du SOS par satellite de l’iPhone 14

Des experts s’inquiètent des «effets pervers» du SOS par satellite de l’iPhone 14

Gagnez un iPhone 14 grâce à PlanHub

Gagnez un iPhone 14 grâce à PlanHub

Populaires

Comment devenir plus intelligent en deux minutes sans même vous forcer

Comment devenir plus intelligent en deux minutes sans même vous forcer

Avec Google Drive, regardez gratuitement des films en streaming

Avec Google Drive, regardez gratuitement des films en streaming

25 objets technos de votre enfance qui valent une fortune aujourd’hui

25 objets technos de votre enfance qui valent une fortune aujourd’hui

Branchez-vous

Branchez-vous diffuse l'actualité techno, des bancs d'essai de divers appareils et gadgets, et des chroniques spécialisées.